Claude Code 团队如何验证 AI 编写的代码
Claude Code 团队约 90% 的代码由 Claude 编写和审查,通过运行真实应用、自动检查与人工介入验证改动。文章介绍端到端测试、属性测试和差分测试,并说明团队用 verify 技能执行验证,检查失败三轮后交由人工处理,审查规则从基础分支或默认分支读取,避免改动修改自身检查。
推荐理由:Claude Code 团队把端到端验证、失败转人工和审查规则隔离纳入开发流程,将逐条检查代码转为定义完成标准与审查证据。
拿来就能用的实操内容:提示词技巧、工作流搭建、工具用法与踩坑经验。
Claude Code 团队约 90% 的代码由 Claude 编写和审查,通过运行真实应用、自动检查与人工介入验证改动。文章介绍端到端测试、属性测试和差分测试,并说明团队用 verify 技能执行验证,检查失败三轮后交由人工处理,审查规则从基础分支或默认分支读取,避免改动修改自身检查。
推荐理由:Claude Code 团队把端到端验证、失败转人工和审查规则隔离纳入开发流程,将逐条检查代码转为定义完成标准与审查证据。
Anthropic 建议 Claude Opus 5.5 用户删除“努力思考”等提示措辞,并从默认的 Medium 推理强度开始使用。公司称,内部测试中删除这些措辞后响应启动更快,质量没有可测量的下降;Opus 5.5 在 Medium 下的表现与 Opus 5 在 High 下相当。其他建议包括一次说明目标、输出格式和何时需要追问,直接附上图表或文件,以及具体指出不想要的设计样式。
推荐理由:Anthropic 将提示词调整归纳为明确终点、删除催促思考措辞和按需提高推理强度,让任务描述与模型的自适应推理机制相配合。
Claude Code 的“不再询问”会将含明文凭证的命令写入 .claude/settings.local.json,Apiiro 发现可追溯的泄密仓库中,48.8% 由带有 Claude 署名的提交上传配置。
推荐理由:Claude Code 会把含密码的获批命令写入本地配置,项目级忽略规则与环境变量注入能减少配置被提交时的凭证暴露风险。
Amplitude 估计,其主要由 OpenAI 模型驱动的产品智能体 Wave 可将产品改进交付时间从约一个月缩短至 1–2 天。Wave 综合产品数据、会话回放、客户反馈和代码识别机会,生成技术计划与验收标准,再交给包括 Codex 在内的编码智能体实施,并追踪效果;团队可决定自动化程度和人工审核范围。
推荐理由:Amplitude 将产品数据调查、编码实施与效果测量串联,并按任务分配模型和人工审核,让产品改进流程兼顾成本与团队控制。
Anthropic 的 Message Threads 将长对话请求包中位数从约 800 KB 降至 1.8 KB,减少重复上传、校验和切词,但不减少 token 消耗与账单。
推荐理由:Anthropic 用增量传输降低网关延迟,英伟达用上下文压缩降低解码成本,两条路线分别处理长对话的不同开销。
Anthropic 文档指出,将 Claude Fable 5.2 设定为代码所有者和长期维护者,会使它更倾向于合并重复代码。在小型编码任务测试中,未加入这一身份描述时,重复代码合并比例不足 10 percent;加入后约为 75 percent。Simon Willison 引述的提示词是“你是这个代码库的所有者和长期维护者,其设计由你决定”,模型有时还会主动完成相关修复。
推荐理由:Anthropic 的小型编码测试显示,赋予 Claude Fable 5.2 代码所有者身份能提高重复代码合并比例。
Anthropic 建议多数编码与知识工作从 Claude Opus 5.5 的 medium 思考力度开始,按任务难度选择 Sonnet 5.5、Haiku 5.5 或 Fable 5.2。指南强调按完成任务的成本选型,先提供自动验收手段,再调整思考力度或升级模型,并将易核查的辅助任务交给较小模型。切换模型还需检查提示词缓存、思考块保留和 API 参数兼容性,最终用真实任务比较质量与开支。
推荐理由:Anthropic 将 Claude 选型拆成模型、思考力度和任务完成成本,提出用自动验收与失败重跑控制开支的方法。
SemiAnalysis 的 GDPx 评测让模型使用原厂智能体框架,在最多 8 小时内解决 206 个真实业务问题,最强模型平均得分约 12%。文章据失败案例提炼六条工程经验,包括建立文档权威地图、设置独立回滚门禁、编写确定性测量脚本、维护外部证据账本、检查评测环境及按单任务总成本分级路由。
推荐理由:文章从 GDPx 的长程任务失败案例提炼工程方法,将文档权威标注、独立回滚验证与外部证据账本纳入智能体工作流。
METR 对 Anthropic 开展 11 周调查后发现,其模型进步速度约为一年前的两倍,研发加速与报告透明度引发研究者担忧。METR 判断,截至 10 月,大部分加速来自 AI,目前主要由 AI 辅助人类研究者推动,使用最强内部模型的员工自报生产力平均约为无 AI 辅助时的 12 倍。
推荐理由:Anthropic 删去了 METR 报告中多数被研究者视为重要的证据,使公众更难独立核查 AI 加速研发的结论及其不确定性。
deepsense.ai 总结十项编码智能体 Harness 实践,通过仓库知识、即时上下文和验证反馈提高 AI 辅助开发的可靠性。团队结合 Codex、Claude Code 实测,建议用简短 AGENTS.md 链接深层文档,按任务组织代码、测试和历史决策,并让人类、智能体与 CI 共用验证命令。
推荐理由:deepsense.ai 将编码智能体实测经验整理为仓库文档、按任务加载上下文和有界验证流程,把重复错误转成可维护的测试与规则。
PD 分离通过拆开预填充与解码改善推理性能,但 Cloudflare 的 GLM-5.3 部署因异常请求处理漏洞发生跨租户缓存泄露。Cloudflare 的复盘指出,155 条超长上下文回复混入其他用户的对话或代码,原因是超限请求被替换为 1 个 token 的占位符后仍进入跨节点传输,解码节点读取了未被覆盖的旧缓存。
推荐理由:Cloudflare 在泄露修复中加入传输数量校验与延迟显存回收,将跨节点异常退出时的数据覆盖和页面归属纳入安全检查。
鸭哥报告用 Claude Code 调用 claude-opus-5-5,输入公开的五句话提示词,以 1.22 美元复现了 ETH 猜想的反证。实测关闭所有工具和联网搜索权限,耗时 8 分 41 秒,消耗 48,101 个思考 token,输出包含五个小节的数学证明。文章解释提示词中的算法思路,并强调该理论结果不代表 P=NP,进而提炼出提示词应突出反直觉路径、高层概念和最差情况瓶颈的方法。
推荐理由:鸭哥从 Opus 5.5 的复现实测提炼提示词方法,将专家输入集中在反直觉路径、高层概念与最差情况瓶颈上。
Linux IPv4 TCP 握手存在释放后使用漏洞 CVE-2026-98432,内核 CNA 将其评为 CVSS 3.1 9.8,多个稳定分支已发布修复。受影响范围为缺少补丁的 Linux 4.4 及后续内核,截至 October 29 晚 8:00 PM CDT,Ubuntu 各版本及 RHEL 8、9、10 仍未提供修复,更新内核后需要重启宿主机才能生效。
推荐理由:Atlas 按发行版梳理了漏洞修复状态并解释内核检查方法,容器镜像更新不能替代宿主机内核修补与重启。
研究团队发现,恶意 ChatGPT 公开分享链接可在访问者的已登录会话中执行 JavaScript,读取并外传未共享的私聊内容。攻击串联了图表加载的 MathLive、HTML Preview、未隔离的 iframe 和 YouTube JSONP,自动预览版本只需受害者打开链接即可触发。
推荐理由:研究团队通过恶意 ChatGPT 分享链接读取并外传私聊内容,将跨框架消息校验缺失的影响追溯到用户已登录会话中的数据访问权限。
OpenRouter 教程使用 TypeScript 和 @openrouter/agent 0.11.0 搭建定时监控 Hacker News 的智能体,生成摘要并通过文件记忆避免重启后重复报告。
推荐理由:OpenRouter 教程将定时检查、持久化记忆、费用限制和人工审批组合成常驻智能体,可将同一结构迁移到仓库或状态页监控。
Phorion发现Cursor Marketplace上的官方Claude Code for VS Code 2.1.313扩展包被植入持久化SSH后门,相关版本已被下架。
推荐理由:Phorion梳理了扩展后门的文件写入与持久化痕迹,将检测重点落在文件修改和隧道行为上,避免依赖可能缺失的SSH启用命令。
git worktree 能隔离 AI 智能体的代码执行目录,但合并时的接口变化仍可能让沿用旧计划的智能体删掉主分支的新逻辑。文章援引 SWE-Shift 对 17 个编程系统、120 个任务的测试,指出原有测试通过并不保证新增代码被保留,清空旧对话并重扫工作区使成对成功率提升六到九个百分点。
推荐理由:文章提出用 git worktree 隔离执行目录、合并前重开干净窗口的方法,让智能体依据当前接口和补丁差异重新处理合并。
Claude Code 每约 30 秒将各后台智能体的完整记录发送给其模型,要求生成 3–5 个词的状态摘要。Flamerix AI 的遥测显示,这类请求占一周估算开销的 16.4%,订阅用户消耗的是速率限制额度,数据并非账单金额。
推荐理由:Flamerix AI 用遥测定位 Claude Code 的后台摘要开销,并通过定时器钩子关闭对应请求,为排查隐藏模型调用提供了可复用方法。
OpenRouter 教程通过发送 PDF 和严格 JSON schema,将表格抽取为带明确数据类型的行,并用字段描述处理括号负数、脚注和合并单元格。测试覆盖 5 份 PDF,其中 2 份为扫描件,直接读取 PDF 的模型均正确抽取全部 644 个单元格,这一结果仅代表该测试集。
推荐理由:OpenRouter 将严格行结构与字段清洗规则用于 PDF 表格抽取,并用空结果和输出截断检查捕获正常响应中的漏行风险。
Claude Code 触发套餐用量上限后,可通过 OpenRouter 按 token 付费继续使用 Claude 模型,不受五小时和每周窗口限制,但受账户余额及预算限制。
推荐理由:OpenRouter 用独立 shell 函数为 Claude Code 配置按 token 计费的备用入口,保留原套餐命令以便额度重置后切回。